决策智能和超越 BI 的未来 | 香料厂

决策智能和超越 BI 的未来 | 香料厂

随着每家公司都在努力实现数据驱动,决策智能已成为当今最具战略意义的技术要求之一。 并且有充分的理由。 今天的数据比以往任何时候都多,决策变得更具挑战性。 决策智能使支持人工智能的分析民主化,并使组织内的任何人都能更快、更一致地做出更好的决策。 在本文中,Omri Kohl 探讨了决策智能的新兴实践、推动其需求的因素以及未来的发展方向。

“数据就是新石油”的理念是公司几十年来一直支持的口号,但如果不对其进行分析和采取行动,数据本身几乎没有价值,甚至没有价值。 商业智能 (BI) 和分析工具——其中许多是 20 多年前首次推出的(其中一个甚至有 30 年的历史)——承诺未来业务用户可以轻松访问和转换大量企业数据,以使其及时可靠决定。

但现实情况是,这些工具仍然是高度技术性的。 它们通常建立在较旧的数据模型/结构和遗留架构之上,需要数据科学家将数据概念化并将其转换为仪表板、报告和其他人可用的洞察力。

具有讽刺意味的是,许多缺乏增强的分析能力和人工智能,这对于实现两个关键成果至关重要: 1. 超越 BI 仪表板和基本的描述性分析; 2. 将可操作信息的力量——决策智能所提供的——交到组织中将从数据驱动的洞察中受益的每个人手中。 这不是每个人吗?

随着各种规模的企业努力实现数据驱动,决策智能已成为当今最具战略意义的技术要求之一。 决策智能旨在使分析大众化,并使组织内的任何人都能更快、更一致地做出更好的决策。

看更多: 实时分析如何创造运营智能和数据驱动决策的未来

让我们探讨一下决策智能 (DI) 的含义、推动其需求的因素以及未来的发展方向。

定义决策智能

“决策智能”一词是由 Quantellia 的首席执行官 Mark Zangari 和 Quantellia 的首席科学家 Lorien Pratt 博士共同发明的,并且部分归功于 Pratt 博士 2019 年的著作,它变得更加流行, 决策智能如何连接数据、行动和结果以创造更美好的世界. 尽管技术进步,组织传统上难以应用数据科学来解决当今企业面临的最关键问题。 为什么? 简而言之:数据科学家和日常用户(完成工作的员工、利益相关者和组织领导)之间存在差距。

差距现在正在缩小。 由于人工智能、机器学习和增强分析能力的进步,决策智能是一门新兴学科,可帮助组织超越传统商业智能的限制。

Gartner 将决策智能定义为“一种改进组织决策制定的实用方法”,它“将每个决策建模为一组流程,使用智能和分析来通知、学习和改进决策。” 因此,新的决策智能软件平台即将上市,帮助日常使用使组织中的任何人——从最高管理层到前线和中间的每个人——获得他们需要做出更快、更明智的决策的洞察力,即使他们没有分析或数据科学方面的技术背景。

是什么推动了从 BI 到 DI 的转变?

今天的数据比以往任何时候都多。 每天创建令人难以置信的 2.5 万亿字节的数据,仅在过去两年中就创建了世界上 90% 的数据。 一个惊人的数字,预计数据量将每两年翻一番。 这使得决策具有挑战性。 根据 最近的 Gartner 调查, 65% 的受访者同意决策变得更加复杂。

为了解决复杂性,许多组织转向传统的 BI 和分析工具。 但“更多”并不是“更好”。 根据福雷斯特,25% 的组织使用十个或更多 BI 平台,61% 的组织使用四个或更多,86% 的组织使用两个或更多。 这种差异会产生与其他业务部门不一致或不兼容的数据孤岛,因此,组织内通常会出现不一致和不准确的情况。 而且,当人们对数据失去信心时,分析的采用率就会直线下降。

反过来,组织会遇到三个常见问题:

  • 效率低下和缺乏洞察力的延迟时间 因为数据难以访问或 IT 需要先移动它
  • 使用这些工具的人越少,采用速度就越慢 因为它们的工具技术性太强,非技术人员无法使用,导致体验不佳
  • 高成本和复杂性 这是由于拥有用于数据准备、业务分析和数据科学的多种工具,导致管道脱节,无法满足对更复杂的分析(如预测性和规范性分析)日益增长的需求

传统分析的潜在问题是负责制定业务决策的用户无法访问它。 传统上,构建、操作和报告相关数据所需的技能和知识通常是 更多的 与技术和开发人员保持一致,而不是商业领袖和战略家。 用 Gartner 的话说,决策智能通过先进的人工智能和“适应的系统应用程序”促进“广泛的决策制定”,从而改变了这种状况。

决策智能的未来

决策智能对于从行动转向结果至关重要。 我最近有幸加入了 Lorien Pratt 博士的行列 2022 年以色列高科技大会 谈论不断发展的决策智能领域如何将人工智能、数据和分析提升到一个新的水平。 普拉特博士说得最好:“向决策智能的转变是千载难逢的时刻,使人工智能和数据分析的访问变得民主化——曾经专为我们这个时代的科技巨头保留的技术,并为决策者和数据提供支持科学家们齐心协力,确保技术能够用于解决问题。”

解决问题和利用机遇依赖于日常业务运营的决策,例如寻找最佳运输材料,以及识别市场中即将出现的风险和机遇等顶级战略。

敏捷性和速度是当前经济环境下的业务需求。 组织各个部门的人员——从最高管理层到前线以及介于两者之间的每个人,都需要这样做。 我们正在进入这样一个世界,在这个世界中,分析可以通过他们自己的个人发现来满足任何人的需求,这个环境是根据他们的角色量身定制的受监管的自助服务环境。 当前的经济环境要求组织各个部门的人员更快地做出决定、更快地响应、更快地利用机会并更快地采取纠正措施。 增强分析已经超越了传统的商业智能,可以在为组织内的任何人量身定制的受管控的自助服务环境中满足他们的需求。

看更多: 为什么最高管理层应该投资于质量数据的竞争优势

借助正确的平台,业务用户和非技术用户可以实时访问可信、可重复的见解。 数据科学家可以利用机器学习算法和脚本来理解困难的业务问题。 专家可以准备和建模自己的数据,以创建富有启发性的分析内容。 重要的是,非技术用户可以从可视化和引导分析演示中受益,从而做出更好的决策。

我相信在接下来的十年中,我们将看到我们正处于业务分析大规模转型的风口浪尖,而未来十年将重新定义公司如何扩展以满足其非技术人员的分析需求。 能够生存和发展的组织将更多地采用数据驱动的决策,因为它们使用具有增强分析能力的决策智能来支持任何人并满足从简单到复杂的任何分析需求。

您如何使用决策智能来解锁成功? 与我们分享 Facebook, 推特, 和 领英.

图片来源:Shutterstock

更多关于决策智能


#决策智能和超越 #的未来 #香料厂

Leave a Reply

Your email address will not be published. Required fields are marked *

伊朗登山者 Elnaz Rekabi 不会因为不戴头巾而受到惩罚 Previous post 伊朗登山者 Elnaz Rekabi 不会因为不戴头巾而受到惩罚
Next post 伊曼说她拒绝了白人模特薪水更高的工作